Propuesta metodológica para reducción de dimensionalidad en espacio semántico y reflexiones sobre el tamaño muestral en aplicaciones de Ingeniería Kansei

Abstract

La Ingeniería Kansei es una metodología para el desarrollo de nuevos productos orientada al usuario. Comienza con un proceso de recolección inicial de los kanseis. Una vez que se ha obtenido un número suficiente de kansei, se hace necesario reducirlos para poder trabajar con una cantidad manejable de palabras. Para ello, tradicionalmente se ha recurrido al análisis de afinidad. En este análisis se realiza una primera reducción, en la que se eliminan las palabras repetidas y se descartan aquellas que se considera que tienen menor relevancia. En una segunda reducción, se agrupan las palabras según tengan significados parecidos y, preferentemente, se elige una de ellas como la palabra representativa de cada grupo. El análisis de afinidad está sujeto a sesgos involuntarios. Por ello, en este trabajo se propone seleccionar los kanseis a utilizar del conjunto inicial de kanseis utilizando técnicas de reducción de dimensionalidad, tales como el análisis de componentes principales. Una vez definidos el espacio semántico y de propiedades es necesario distribuir la encuesta para obtener los resultados. En este trabajo se reflexiona sobre el tamaño muestral necesario, a través de análisis y estadísticos y mediante la aplicación de técnicas de Aprendizaje Automático, tales como la curva de aprendizaje.